Resumen

Para superar las deficiencias de que las primeras caractersticas de fallo de los rodamientos no son fciles de extraer y la precisin de la identificacin no es lo suficientemente alta, se presenta un nuevo mtodo de diagnstico colaborativo combinado con VMD y LSSVM para fallos incipientes de rodamientos. En primer lugar, se introduce en detalle el concepto bsico de VMD y, a continuacin, se construye el principio de seleccin adaptativa de parmetros en VMD mediante la media de frecuencia instantnea. Adems, utilizamos el polinomio de Lagrange y la norma euclidiana para verificar el valor de forma precisa. En segundo lugar, propusimos un algoritmo de clasificacin basado en LSSVM optimizado por PSO. Mientras tanto, tambin se puede disear el diagrama de flujo del algoritmo de clasificacin de los modos de fallo. En tercer lugar, el experimento muestra que el algoritmo presentado en este trabajo es eficaz mediante el uso de los datos de fallo existentes proporcionados por el laboratorio del Instituto de Investigacin Petroqumica de Guangdong. Por ltimo, se discuten algunas conclusiones y perspectivas de aplicacin.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Rodamientos; VMD; LSSVM; Fallos incipientes; Algoritmo de clasificación; Optimizado por PSO
• Keywords:Rolling bearing; VMD; LSSVM; Incipient faults; Classification algorithm; PSO-optimized